基于可穿戴式脑电仪传感器的疲劳状态研究

为了实现疲劳状态智能识别,提出了基于可穿戴式脑电仪的疲劳识别健康管理方案,其首先需解决的问题是哪种频率的脑电波影响或呈现人体疲劳状态。研究采用Wilcoxon秩和检验、卡方检验、CART分类树和probit模型,分析δ脑电波(1~3 Hz)、θ脑电波(4~7 Hz)、α脑电波(8~13 Hz)、β脑电波(14~30 Hz)和疲劳的关系。研究发现α波、β波、θ波及(α+θ)/β、β/α在疲劳和不疲劳状态下的表现都有显著差异。这些脑电波变量可呈现人体疲劳状态的差异,帮助疲劳状态的识别。